基于VMD-Informer和表面肌电信号的下肢关节角度预测

来源：电子测量技术杂志2026年第7期北京时间：

作者：吴生彪，游涛，桂家政

单位：1.东华理工大学电子与电气工程学院 南昌 330013; 2.江西省康复辅具产业技术研究院 南昌 330013

摘要：针对下肢关节角度预测精度低、实时性差及模型泛化弱等问题，提出了一种基于VMDInformer和表面肌电信号（sEMG）的下肢关节角度预测方法。首先采集受试者在行走和上楼模式下的下肢sEMG及对应关节角度数据，为增强原始数据的稳定性，采用变分模态分解（VMD）算法对肌电信号进行分解，负梯度和自适应粒子群算法（NGSPSO）对VMD的两个关键参数进行了优化：本征模态函数（IMF）的成分数量与惩罚因子。其次，从各IMF中提取多域特征，采用主成分分析法（PCA）从特征序列中提取关键因素，从而降低模型的输入维度。最后，运用Informer模型对多变量特征序列进行动态时序建模。实验结果表明，所提VMD-Informer模型在平地行走场景中髋、膝关节RMSE分别为2.688 5°和3.351 6°，在上楼梯场景中RMSE分别为3.508 8°和3.856 2°，相比VMD-Transformer平均误差降低18%，明显提升了预测精度与系统实时性，为康复外骨骼的运动意图识别提供了技术支撑。

关键词：关节角度预测;表面肌电信号;变分模态分解;负梯度和自适应粒子群优化;主成分分析;Informer模型

基金资助：国家自然科学基金项目（62141102）、江西省教育科学规划项目（2025ZX184）、江西省重大科技研发专项（20233AAE02008）资助